Прогнозирование как метод анализа¶

Прогнозирование — это процесс построения прогнозов, то есть научно обоснованных предположений о будущем состоянии объекта, системы или явления на основе изучения прошлого опыта, актуальных данных и выявленных закономерностей. Прогнозирование относится к числу ключевых методов научного познания и хозяйственной практики и применяется в экономике, метеорологии, социологии, технике, медицине и других областях.

¶Сущность и место в науке

Прогнозирование опирается на идею детерминизма и вероятностных закономерностей: считается, что будущее состояние системы в определённой степени обусловлено её прошлым и настоящим. В отличие от предсказания, основанного на интуиции или откровении, научный прогноз строится на формализованных методах и может быть проверен постфактум.

Прогнозирование тесно связано с планированием: прогноз описывает ожидаемое развитие событий, а план — желаемое, к которому стремятся управляющие субъекты. В теории управления прогнозирование выступает первым этапом принятия решений.

¶Классификация прогнозов

Прогнозы различают по ряду признаков:

• По объекту: экономические, демографические, социальные, научно-технические, экологические, метеорологические.
• По срокам: краткосрочные (до 1 года), среднесрочные (1–5 лет), долгосрочные (5–20 лет) и сверхдолгосрочные (более 20 лет).
• По характеру: детерминированные (точечные) и вероятностные (интервальные, с указанием доверительных границ).
• По методам: качественные (экспертные) и количественные (формализованные, статистические).
• По назначению: научно-исследовательские, прогностические оценки для принятия решений, нормативные (задающие целевые ориентиры).

¶Основные методы

¶Качественные (экспертные) методы

Качественные методы основаны на суждениях специалистов. К ним относят:

• Метод Дельфи — многораундовый опрос экспертных панелей с анонимной обратной связью и сближением оценок.
• Мозговой штурм — коллективная генерация идей без критики на первом этапе.
• Метод аналогий — перенос закономерностей, выявленных на объекте-аналоге.
• Морфологический анализ — систематический перебор возможных комбинаций свойств объекта.

Экспертные методы особенно востребованы там, где статистические данные отсутствуют или объект принципиально нов.

¶Количественные методы

Количественные методы используют формальные модели:

• Экстраполяция тренда — продолжение выявленной тенденции в будущее.
• Эконометрическое моделирование — построение уравнений регрессии, описывающих зависимости между переменными.
• Интерполяция — восстановление значений внутри известного диапазона данных.
• Экспоненциальное сглаживание — взвешенное усреднение ряда наблюдений с приоритетом последних данных.
• Метод наименьших квадратов — подбор параметров модели, минимизирующих сумму квадратов отклонений.
• Сценарный анализ — разработка нескольких альтернативных сценариев развития с вероятностными оценками.
• Имитационное моделирование — компьютерное воспроизведение поведения системы (например, метод Монте-Карло).
• Машинное обучение — алгоритмы, обучающиеся на исторических данных (случайный лес, градиентный бустинг, нейронные сети).

¶Применение

¶Экономика и бизнес

В экономике прогнозирование используется для оценки ВВП, инфляции, спроса, курсов валют и ценных бумаг. Центробанки и международные организации (МВФ, Всемирный банк) регулярно публикуют макроэкономические прогнозы. В бизнесе прогнозирование спроса лежит в основе управления запасами, ценообразования и инвестиционных решений.

¶Метеорология

Метеорологическое прогнозирование — одно из старейших и наиболее развитых направлений. Современные гидродинамические модели атмосферы позволяют строить прогнозы погоды на срок до 10–14 дней с высокой точностью. В России прогнозирование погоды осуществляется Гидрометцентром России.

¶Здравоохранение

Прогнозирование эпидемий, распространения инфекционных заболеваний и нагрузки на систему здравоохранения позволяет заранее ресурсировать медицинские учреждения. Во время пандемии COVID-19 модели SIR и SEIR широко применялись для оценки динамики заболеваемости.

¶Техника и технологии

Прогнозирование отказов оборудования (прогнозная диагностика) позволяет переходить от планового обслуживания к обслуживанию по состоянию. В IT прогнозирование нагрузки на серверы и пользовательского спроса используется при масштабировании систем.

¶Ограничения

Прогнозирование не даёт и не может давать абсолютной точности. Основные ограничения:

• Неопределённость будущего — наличие принципиально случайных факторов.
• Эффект «перелома тренда» — резкие изменения структуры системы (кризисы, технологические прорывы) не улавливаются моделями, обученными на прошлых данных.
• Эффект Лукаса — агенты меняют своё поведение, узнав о прогнозе, что делает прогноз самоопровергающимся.
• Качество данных — прогноз не лучше исходных данных.

Известны случаи крупных провалов прогнозирования: неспособность большинства экономистов предсказать кризис 2008 года, заниженные оценки быстроты распространения COVID-19 в начале 2020 года.

¶История

Попытки предсказания будущего существовали с античности (оракулы, астрология). Научное прогнозирование оформилось в XIX–XX веках: развитие статистики, теории вероятностей и вычислительной техники превратило его в самостоятельную междисциплинарную область. В СССР прогнозирование получило широкое развитие в 1960–1980-е годы в рамках теории системного анализа и программирования (работы Н. Н. Моисеева, Г. М. Добжанского и других).

Источники:

• Математическая статистика: учебное пособие / под ред. В. А. Голомазова.
• Прогнозирование и планирование в условиях рынка / А. Н. Петров.
• Методы прогнозирования в экономике / Л. А. Мельник.
• Гидрометеорологический прогноз: учебник / Гидрометцентр России.
• Forecasting: Principles and Practice / R. J. Hyndman, G. Athanasopoulos.